Náš tým se zaměřuje na pokročilý výzkum a vývoj algoritmů pro zpracování a analýzu medicínských dat, matematické modelování a simulace komplexních systémů. Na této stránce naleznete popis nabízených výzkumných činností našeho oddělením.
1. Počítačová analýza medicínských dat
Specializujeme se na vývoj a implementaci algoritmů pro zpracování a analýzu medicínských dat zejména pro diagnostické účely. Jde například o detekce specifických událostí v signálech, extrapolace komplexních informací z omezeného souboru dat, korelace, segmentace buněk ze snímků pořízených mikroskopy, tvorba specializovaných databází pro další výzkumná využití aj. V případě fyziologických signálů máme zkušenosti se zpracováním EKG EEG a EMG signálů, v případě obrazových dat zpracováváme nejčastěji snímky buněk, tkání aj. Pro zpracování využíváme širokou paletu nástrojů od klasických (Python), až po Big Data (Apache Hadoop, Cassandra aj.). Dále se zaměřujeme i na implementaci metod strojového učení (například konvolučních sítí) a to s využitím specializovaného hardwaru včetně masivně paralelních přístupů.
2. Prediktivní modelování
Zabýváme se aplikací nástrojů matematického modelování pro analýzu a predikci časových řad, a to jak z business prostředí a firemních procesů, tak i dat získaných pomocí dalších činností. Používáme jak klasické statistické nástroje pro časové řady, tak i moderní metody vycházející ze strojového učení (neuronové sítě aj.), případně jejich kombinace.
Modelování časových řad
Modelování časových řad je možné provádět pomocí klasických nástrojů modelování časových řad, jako jsou modely využívající autoregrese (ARMA, ARIMA), jejich rozšíření o sezonalitu (SARIMA) či doplnění o externí regresory ([S]ARIMAX). Vhodný typ modelu a jeho parametry se volí na základě pečlivé analýzy studované časové řady (určení jejích statistických vlastností apod.).
Další typy modelů jsou založeny na strojovém učení. V tomto případě lze buď využívat aplikační balíky, jako je například Prophet, který je založený na aditivním regresním modelu a bayesovském modelování, nebo navrhnout a implementovat vlastní neuronovou síť pro predikci konkrétní časové řady. Nejčastěji používáme rekurentní sítě typu LSTM/GRU, které jsou implementované v běžně dostupných frameworcích (TensorFlow, PyTorch). Je třeba mít na paměti, že pro úspěšné učení neuronové sítě jsou přitom nezbytná dostatečně rozsáhlá data.
Dalším příkladem námi řešeného datového modelování může být vysvětlení vlivu jednotlivých regresorů na chování časové řady.
Řešené projekty smluvního výzkumu:
- ADLER Czech, a.s.: Datová analýza ve společnosti ADLER Czech, a.s., 2019 – 2020.
- Severočeské doly a.s.: Analýza využití metod strojového učení pro monitoring a predikci vývoje stavu spodní vody v dobývacím území, 2020 – 2021.
3. Počítačové simulace komplexních systémů
Specializujeme se na simulace komplexních systémů pomocí částicového a spojitého přístupu. V částicovém přístupu využíváme zejména molekulární dynamiku pro popis chování fyzikálně-chemických systémů, např. simulace kompozitních materiálů na bázi polymerů nebo separačních procesů v membránách. Dále se věnujeme počítačové simulaci pohybu chodců, kde využíváme diskrétního přístupu pomocí celulárních automatů, tak i spojité modelování založené na metodách computational fluid dynamics, při kterém jsou chodci vnímáni jako inteligentní tekutina.
Počítačové simulace kompozitních materiálů na bázi polymerů
Počítačový design nanomateriálů vyžaduje zohlednit široké spektrum parametrů a jejich možných kombinací. Počítačové simulace představují v dnešní vhodný nástroj pro takový průzkum a definice hodnot parametrů pro následný experimentální průzkum. Veliké množství simulovaných stupňů volnosti vyžaduje využít zhrubnuté modely polymerů a dalších součástí kompozitu, ale například i GPU akceleraci. V tomto tématu se soustředíme na modelování samoorganizace kopolymerních systémů v objemové fázi, na povrchu pevné fáze (například nanočástice) nebo při nerovnovážných podmínkách, tj. za přítomnosti toku.
Řešené projekty
- GA ČR: Řízená asociace polyelektrolytových kopolymerů se surfaktanty ve vodných roztocích, 2013 – 2016.
- ERDF/ESF: UniQSurf -Centre of biointerfaces and hybrid functional materials, 2018-2022.
- TA ČR Kappa: METAMORPH -Advanced hybrid organic-inorganic nanofibers for CO2 capture and photocatalysis, 2021 – 2023.
- GA ČR: Separace racemických směsí membránovými procesy, 2017 – 2019.